/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-V4-Flash-0731
Библиотека
llama.cpp
Опубликована
1 авг 2026

DeepSeek-V4-Flash-0731-Ombro-v1-GGUF

Генерация текстаТекст → текст7 профессий

Экспериментальная смешанная GGUF-квантизация DeepSeek-V4-Flash-0731 для диалоговой генерации текста в llama.cpp.

72скачиваний за 30 дней1лайквеса обновлены10 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ombro v1 — экспериментальная смешанная квантизация в формате GGUF модели DeepSeek-V4-Flash-0731, подготовленная автором репозитория Wladastic. Это разреженная MoE-модель с 304 млрд параметров: в карточке описаны 43 трансформерных слоя и 256 экспертов на слой, из которых для каждого токена выбирается небольшая часть. Файл размером около 81,37 ГБ использует разные точности для активной части модели и маршрутизируемых экспертов; для запуска требуется сборка llama.cpp с поддержкой DeepSeek V4 Flash 0731.

Модель предназначена для генерации текста и диалогового использования. В README также описаны предварительные локальные запуски для генерации кода и интерактивного 3D-контента, но широкая оценка качества и сравнение с исходной моделью ещё не проводились. Шаблон чата поддерживает уровни Low, Medium, High и Max. Репозиторий распространяется по лицензии MIT; автор отмечает, что квантизация не связана официально с DeepSeek или Unsloth.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • генерация программного кода
  • запуск DeepSeek-V4-Flash-0731 локально через llama.cpp
  • эксперименты с генерацией текста и агентными сценариями
  • создание интерактивных 3D-результатов по текстовым запросам

Ограничения

Квантизация экспериментальная: широкие тесты perplexity, знаний, программирования, агентных возможностей и сравнение с исходными весами не проводились, поэтому качество относительно более точной версии не подтверждено. Файл занимает около 81,37 ГБ и требует сборки llama.cpp с поддержкой DeepSeek V4 Flash 0731.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeepSeek V4 Flash 0731 - Ombro v1 GGUF

This repository contains Ombro v1, an experimental mixed-precision GGUF quantization of the 304B-parameter deepseek-ai/DeepSeek-V4-Flash-0731 release. It is not based on the earlier DeepSeek V4 Flash preview. Ombro v1 is the recipe name, not an official GGUF quant type, and is not affiliated with DeepSeek or Unsloth.

Included a new jinja I wrote, it allows Low, Medium, High and Max, based on unsloth's template

File

FileSizeShards
DeepSeek-V4-Flash-0731-Ombro-v1.gguf81,372,387,840 bytes (81.37 GB / 75.79 GiB)1

Quantization

The official weights were first converted to a mixed-precision intermediate GGUF with --outtype auto. A newly generated importance matrix was then collected from 24 calibration chunks at a context size of 512. The private calibration text mixes conversational, agentic, and coding material and is not distributed with this repository.

The final quantization used llama.cpp commit 876a4321163249c43ca4e986818fab5ab081f282 and uses the following layout:

DeepSeek V4 Flash has 43 transformer layers. Its attention path, embeddings, router, and shared experts form the always-active backbone. The much larger routed-expert section contains 256 experts per layer, of which only a small subset is selected for each token. Within each expert, gate and up expand and transform the hidden state, while down projects it back to the model width.

PartWhat it containsPrecisionApprox. size
Always-active backboneEmbeddings and output (Q8_0), attention/indexer and shared experts (Q6_K), router inputs (source-compatible), hyper-connection function weights (Q8_0), norms, metadata, and tokenizerMixed6.33 GB / 5.89 GiB
Edge routed expertsAll three expert projections in layers 0-4 and 38-42 (10 layers, 30 tensors)IQ3_XXS24.66 GB / 22.97 GiB
Middle expert downDown projections in layers 5-37 (33 tensors)IQ2_S22.70 GB / 21.14 GiB
Middle expert gate + upGate and up projections in layers 5-37 (66 tensors)IQ1_S27.68 GB / 25.78 GiB
Complete GGUFAll 1,328 tensors plus GGUF metadata and alignmentMixed81.37 GB / 75.79 GiB

The sizes above are derived from the final tensor allocations and rounded to two decimals. They are meant to show where the file size goes; the quant names describe storage formats, not separate downloadable files.

One-dimensional norms, biases, and scalar tensors retain the source-compatible types selected by llama.cpp. IQ1_M was supplied as the quantizer's fallback type, but the completed quantization log contains no tensor converted to IQ1_M: all eligible weight tensors were covered by the explicit map above.

Running with llama.cpp

Use a recent llama.cpp build with DeepSeek V4 Flash 0731 support:

llama-server \
  --model DeepSeek-V4-Flash-0731-Ombro-v1.gguf \
  --jinja \
  --ctx-size 65536 \
  --flash-attn on \
  --no-repack \
  --temp 1.0 \
  --top-p 1.0

The model is larger than typical consumer VRAM. Select GPU offload, CPU-MoE offload, context size, and KV-cache precision for your hardware. DeepSeek recommends temperature=1.0, with top_p=0.95 for agentic scenarios and top_p=1.0 otherwise.

Validation Status

The GGUF has been verified to load and generate with llama.cpp. Multiple local one-shot visual coding runs have completed successfully, including interactive 3D output, but results remain preliminary. Ombro v1 has not yet received broad perplexity, KL-divergence, knowledge, coding, agentic, or source-model comparison testing. No equivalence to a higher-precision quant is claimed.

License and Attribution

The original model and weights are released under the MIT License. See the original model repository for its model card, technical report, license, intended use, and limitations.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
6200213

0 моделей